CN110517111A - 一种产品个性化定制方法 - Google Patents

Abstract

本发明公开了一种产品个性化定制方法，包括针对每一种类型的产品分别建立产品模板库；获取用户对拟定制产品的各个属性的直觉模糊数；采用约束条件下的目标优化函数求解出每一个属性的权重确定值；利用所述权重确定值计算出每一个产品模板在所有属性上的权重模糊聚合值；根据所述权重模糊聚合值计算出每一个产品模板的隶属度与非隶属度的差值，并将最大差值所对应的产品模板作为最佳决策输出。本发明采取多属性模糊决策分析技术，在产品属性权重未知的情况下，通过“直觉模糊数”对候选的产品模板进行评价决策，最终选出最优的目标产品进行个性化定制，从而解决了用户需求准确获取的难题，简化了用户的操作，方便了用户的日常使用。

Description

一种产品个性化定制方法

技术领域

本发明属于产品设计技术领域，具体地说，是涉及一种可实现产品个性化定制的方法。

背景技术

随着人们生活水平的不断提高，家电产品已经成为人们日常生活中不可缺少的工具之一。当前市场上销售的家电产品，都是标准化、批量化生成，差异比较小。而实际生活中用户的需求多种多样，且具有个性化，因此大规模、批量化生成的家电产品很难满足用户对产品的个性化需求。

随着“互联网+”制造产业的快速发展，用户对产品的个性化需求越来越多，实现个性化产品定制的一个重要环节是快速、高效、准确地获取用户需求。目前普遍采用的需求获取方法是实例检索分析法，即，通过检索实例库，利用已有的相似实例和经验来解决相似性问题，在选定的实例基础上加以修改，将其作为新的设计方案。常用的检索分析算法包括最近邻法、决策树、粗糙集等。

这种传统的用户需求获取方法所存在的问题是：现有的实例检索分析方法需要用户对其所定制的产品的各项属性给出准确的量化指标，但是用户对产品需求的描述往往只有较为模糊的直觉偏好，多数情况下很难给出准确的“定量”描述。此外，用户在定制产品时，往往需要考虑产品的性能、式样、版式、颜色、材料、价格等多方面因素，但是这些因素的权重却难以量化，通常采用取均值或根据经验值进行设置，这些都给用户需求的准确获取带来困难。

发明内容

本发明的目的在于提供一种产品个性化定制方法，采取多属性模糊决策分析技术，在产品属性权重未知的情况下，通过“直觉模糊数”对候选的产品模板进行评价决策，最终选出最优的目标产品进行个性化定制。

为解决上述技术问题，本发明采用以下技术方案予以实现：

一种产品个性化定制方法，包括：针对每一种类型的产品，分别建立与之对应的产品模板库，在所述产品模板库中包含有m个产品模板，每一个产品模板均对应有n个属性，且每一个产品模板的每一个属性均对应有相应的模糊数；获取用户对拟定制产品的各个属性的关心程度，并根据所述关心程度确定每一个属性的直觉模糊数；结合所有属性的直觉模糊数，采用约束条件下的目标优化函数求解出每一个属性的权重确定值；针对每一个产品模板，利用所述权重确定值计算出每一个产品模板在所有属性上的权重模糊聚合值；根据所述权重模糊聚合值，计算出每一个产品模板的隶属度与非隶属度的差值，并将最大差值所对应的产品模板作为最佳决策输出。

优选的，在建立所述产品模板库的过程中，可以由专家针对模板库中的每一个产品模板的每一个属性分别赋予模糊数，且每一个模糊数均包含产品模板在该属性上的隶属度和非隶属度，进而建立起隶属度模糊矩阵：

其中，μ_ij表示第i产品模板的j个属性的隶属度；ν_ij表示第i产品模板的j个属性的非隶属度。

优选的，在所述确定每一个属性的直觉模糊数的过程中，优选包括：根据用户对拟定制产品的各个属性的关心程度确定主观评估值ω′_j；针对每一个属性的主观评估值ω′_j确定与之对应的直觉模糊区间ω_j∈[ε,ω′_j]；建立定制产品的直觉模糊向量W＝{ω_j}＝{ω₁∈[ε,ω′₁],ω₂∈[ε,ω′₂],...,ω_n∈[ε,ω′_n]}，其中，ε为松弛变量，表示最小权重值。

为了方便用户使用，在所述获取用户对拟定制产品的各个属性的关心程度的过程中，优选包括：根据定制产品的属性数量生成雷达图，雷达图的每一个边角代表一个属性，每一个属性对应多个使用模糊术语描述的关心程度；将所述雷达图提供给用户；用户可以在所述雷达图上对定制产品的每一个属性选择相应的关心程度，以简化用户操作。

优选的，所述约束条件下的目标优化函数为：

其中，θ_i表示第i个产品模板的主观评估值θ_i＝(θ_i1,θ_i2)；表示经过归一化后的a、b之间的汉明距离运算结果，其中，a＝(a₁,a₂)；b＝(b₁,b₂)；表示求结果最小值所对应的ω_j；利用所述约束条件下的目标优化函数，求解出定制产品的所有属性的权重确定值W＝(ω_j)＝(ω₁,ω₂,...,ω_n)。

优选的，所述主观评估值θ_i优选设计成常量，且θ_i＝(0.5,0.5)。

优选的，所述权重模糊聚合值的计算方法为：

其中，r_i*表示第i个产品模板在所有属性上的权重模糊聚合值。

进一步的，在计算出所述权重模糊聚合值r_i*后，优选采用公式S(r_i*)＝μ_i*-ν_i*计算出每一个产品模板的隶属度与非隶属度的差值，对比每一个产品模板的S值，选择最大S值所对应的产品模板作为最佳决策输出。

为了满足某些用户对产品更进一步的个性化定制需求，本发明在获取到所述最佳决策所对应的产品模板后，可以进一步接收用户在所述最佳决策所对应的产品模板的基础上所提出的修改，进而生成最终的定制产品。

与现有技术相比，本发明的优点和积极效果是：本发明采取多属性模糊决策分析技术，在产品属性权重未知的情况下，通过“直觉模糊数”对候选的产品模板进行评价决策，并最终选出最优的目标产品进行个性化定制，由此可以解决现有技术中用户需求无法准确获取的难题。用户在定制产品的过程中，无需对产品的每一个属性给出准确的量化指标，只需对产品的每一个属性给出模糊的直觉偏好描述，系统便可自动筛选出满足用户需求的产品模板，供用户在此基础上修改，以快速地完成产品的个性化定制，由此大大简化了用户的操作，方便了用户的日常使用。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明

图1是本发明所提出的产品个性化定制方法的一种实施例的总体架构图；

图2是建立产品模板库的一种实施例的流程图；

图3是获取用户对拟定制产品的各个属性的直觉模糊数的种实施例的流程图；

图4是用户通过雷达图给出定制产品各属性关注程度的示例图；

图5是通过约束条件下的目标优化函数求解权重确定值的流程图；

图6是最佳决策输出流程图。

具体实施方式

下面结合附图对本发明的具体实施方式进行详细地描述。

如图1所示，本实施例的产品个性化定制方法主要包括产品模板库的建立、用户对产品各属性关心程度的采集、利用约束优化方程自动获取定制产品各属性的权重、最佳产品模板的选定与输出等过程。其中，对于模板库中各产品模板的属性赋值以及用户对拟定制产品各属性的需求，均采用直觉模糊数的描述方式，而非定量指标，由此可以降低用户需求的获取难度，更符合应用实际。

下面结合图2-图6，对本实施例的产品个性化定制方法的具体过程进行详细阐述。

(1)建立产品模板库

如图2所示，个性化产品的定制需要在一组给定的模板下，按照一定的规则选取一个最佳匹配模板作为基础模板，在此基础上进行修改，完成定制。

在本实施例中，可以针对每一种类型的产品(例如冰箱、电视、计算机等都属于不同类型的产品)，分别选取m个典型产品作为基础模板，并针对m个产品模板选择n个属性作为测评依据。

通常，作为候选的产品模板，在不同属性上应该具有明显的差异。对于每一个产品模板的每一个属性可以由专家采用模糊数(μ,ν)的方式预先赋值，完成产品模板库的建立。在本实施例中，μ和ν分别代表产品模板在相应属性上的隶属程度和非隶属程度，通过使用模糊术语(例如：非常高VH、高H、中M、低L、非常低VL)等进行描述，而非直接填入精确值。这样做的好处是：可以为专家提供一种表达过渡性界限或定性知识经验的途径。

利用专家赋予的模糊数建立产品模板的隶属度模糊矩阵R：

其中，μ_ij表示第i产品模板的j个属性的隶属度；ν_ij表示第i产品模板的j个属性的非隶属度。

(2)获取用户对拟定制产品的各个属性的主观评测

如图3所示，此过程主要是为获取用户对拟定制产品各个属性的关心程度。目前，通常采用赋予权重的方式量化用户的关心程度。权重确定一般采用两种方式：一是主观赋权法，体现属性指标本身的重要程度，一般不受属性取值的影响；二是客观赋权法，由各属性的实际数值计算得到的，稳定性弱于主观赋权法。

本实施例提出的方法将主观赋权方法与客观赋权方法相融合，由用户通过图形化界面以直觉模糊隶属度的方式给定主观赋权，并将其转换成多约束条件下的目标优化问题，从而给出基于实际计算数值的客观决策。

具体过程为：

(2-1)根据用户拟定制产品的类型(例如冰箱、电视、计算机等)，调取该类产品所对应的产品模板库；

(2-2)获取产品模板库中该类产品所对应的n个属性；

(2-3)结合上述n个属性生成雷达图并提供给用户，使用户可以以雷达图的形式对定制产品进行主观赋权；

如图4所示，雷达图的每一个边角代表一个属性，每一个属性均对应多个使用模糊术语描述的关心程度，例如：非常高VH、高H、中M、低L、非常低VL等；

(2-4)用户在雷达图上对定制产品的每一个属性选择相应的关心程度；

作为一种优选实施例，可以在雷达图上针对每一个属性设计一个十字箭头，用户可以拖动所述十字箭头对该属性的关心程度进行主观赋权；

(2-5)根据用户对定制产品的各个属性赋予的关心程度，确定各属性的主观评估值μ_j；

例如：若定制产品的属性包括三个，分别为性能ω′₁、价格ω′₂、功耗ω′₃，若用户对定制产品的性能ω′₁的关心程度选择为高H，则其对应的主观评估值ω′₁＝0.7；若用户对定制产品的价格ω′₂的关心程度选择为低L，则其对应的主观评估值ω′₂＝0.3；若用户对定制产品的功耗ω′₃的关心程度选择为中M，则其对应的主观评估值ω′₃＝0.5；

(2-6)针对每一个属性的主观评估值ω′_j，确定与之对应的直觉模糊区间ω_j∈[ε,ω′_j]；

其中，ε为松弛变量，表示最小权重值，用于防止用户的主观赋权过小；

(2-7)建立定制产品的直觉模糊向量：

W＝{ω_j}＝{ω₁∈[ε,ω′₁],ω₂∈[ε,ω′₂],...,ω_n∈[ε,ω′_n]}。

(3)利用约束优化方程获取定制产品各属性的权重

如图5所示，本实施例将专家给出的产品模板的隶属度模糊矩阵R与用户给出的主观偏好(即，定制产品的直觉模糊向量W)，在直觉模糊数域内，转换成一个多约束条件下的单目标优化问题。通过对这个问题进行求解，以得到用户主观偏好的具体数值，为定制方案的最终输出提供参考。

本实施例给出的约束条件下的目标优化函数为：

其中，θ_i表示第i个产品模板的主观评估值θ_i＝(θ_i1,θ_i2)，此主观评估值θ_i为常量，在实际运算中可以统一取θ_i＝(0.5,0.5)。表示经过归一化后的a、b之间的汉明(Hamming)距离运算结果，其中，a＝(a₁,a₂)；b＝(b₁,b₂)，在此用于解释目标优化函数中d(r_ij,θ_i)的计算方法。s.t.表示约束条件。

求解上述约束条件下的目标优化函数，则可获取定制产品的所有属性的权重确定值W＝(ω_j)＝(ω₁,ω₂,...,ω_n)。这里的ω_j不再是个落入区间[ε,ω′_j]内的不确定值，而是一个计算出来的确定值。

(4)选定最终的产品模板，输出最佳决策

如图6所示，本实施例可以根据获取到的定制产品的所有属性的权重确定值W＝(ω_j)＝(ω₁,ω₂,...,ω_n)，利用相对应的隶属度计算规则，通过计算每一个产品模板在n个属性上的权重模糊聚合值，进而对各个产品模板分别进行评估，并给出最终决策。

在本实施例中，权重模糊聚合值的计算方法为：

其中，r_i*表示第i个产品模板在所有属性上的权重模糊聚合值。

在计算出权重模糊聚合值r_i*后，可以采用公式S(r_i*)＝μ_i*-ν_i*计算出每一个产品模板的隶属度与非隶属度的差值，以此作为候选产品模板的最终得分。

最后，对比每一个产品模板的S值，并选择最大S值所对应的产品模板作为最佳决策输出。

(5)生成最终的定制产品

本实施例在获取到最佳决策所对应的产品模板后，可以进一步接收用户在所述最佳决策所对应的产品模板的基础上所提出的修改，进而生成最终的定制产品。

下面通过一个具体的实例，来进一步阐述本实施例所提出的产品个性化定制方法的具体实施过程。

步骤1：根据用户输入的产品类型调取该类型产品所对应的产品模板库；

假设该类型的产品模板库中包含有4个产品模板，每个产品模板对应3个属性，分别为：性能、价格、功耗，每一个产品模板的每一个属性所对应的模糊术语描述如下表所示：

其相应的直觉隶属度模糊矩阵为：

步骤2：为用户提供雷达图界面，获取用户对拟定制产品的各个属性的关心程度，进而确定出定制产品的每一个属性的直觉模糊数；

假设用户在雷达图上给定的主观偏好如图4所示，则定制产品的直觉模糊向量：

W＝{ω₁∈[ε,0.7],ω₂∈[ε,0.3],ω₃∈[ε,0.5]}。

步骤3：将直觉隶属度模糊矩阵R和定制产品的直觉模糊向量W代入约束条件下的目标优化函数，并取θ_i＝(0.5,0.5)，得：

argminD(ω)＝1.05ω₁+0.75ω₂+1.35ω₃

在这里，ε可以在0.05～0.1之间取值。

步骤4：对步骤3中的约束优化问题进行求解，得到：

ω＝(0.6,0.3,0.1)。

步骤5：利用权重模糊聚合值计算公式，计算4个产品模板在3个属性上的权重模糊聚合值：

步骤6：计算每一个产品模板的隶属度与非隶属度的差值S：

S(r_1*)＝0.96S(r_2*)＝0.95S(r_3*)＝0.87S(r_4*)＝0.77。

步骤7：对差值S进行排序，最佳决策输出为最大S值所对应的产品模板1。

步骤8：接收用户在产品模板1的基础上所提出的修改，以生成最终的定制产品。

当然，以上所述仅是本发明的一种优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种产品个性化定制方法，其特征在于，包括：

针对每一种类型的产品，分别建立与之对应的产品模板库，在所述产品模板库中包含有m个产品模板，每一个产品模板均对应有n个属性，且每一个产品模板的每一个属性均对应有相应的模糊数；

获取用户对拟定制产品的各个属性的关心程度，并根据所述关心程度确定每一个属性的直觉模糊数；

结合所有属性的直觉模糊数，采用约束条件下的目标优化函数求解出每一个属性的权重确定值；

针对每一个产品模板，利用所述权重确定值计算出每一个产品模板在所有属性上的权重模糊聚合值；

根据所述权重模糊聚合值，计算出每一个产品模板的隶属度与非隶属度的差值，并将最大差值所对应的产品模板作为最佳决策输出。

2.根据权利要求1所述的产品个性化定制方法，其特征在于，在建立所述产品模板库的过程中，由专家针对模板库中的每一个产品模板的每一个属性分别赋予模糊数，且每一个模糊数均包含产品模板在该属性上的隶属度和非隶属度，进而建立起隶属度模糊矩阵：

其中，μ_ij表示第i产品模板的j个属性的隶属度；ν_ij表示第i产品模板的j个属性的非隶属度。

3.根据权利要求2所述的产品个性化定制方法，其特征在于，在所述确定每一个属性的直觉模糊数的过程中，包括：

根据用户对拟定制产品的各个属性的关心程度确定主观评估值ω′_j；

针对每一个属性的主观评估值ω′_j确定与之对应的直觉模糊区间ω_j∈[ε,ω′_j]；

建立定制产品的直觉模糊向量：

W＝{ω_j}＝{ω₁∈[ε,ω′₁],ω₂∈[ε,ω′₂],...,ω_n∈[ε,ω′_n]}；

其中，ε为松弛变量，表示最小权重值。

4.根据权利要求3所述的产品个性化定制方法，其特征在于，在所述获取用户对拟定制产品的各个属性的关心程度的过程中，包括：

根据定制产品的属性数量生成雷达图，雷达图的每一个边角代表一个属性，每一个属性对应多个使用模糊术语描述的关心程度；

将所述雷达图提供给用户；

用户在所述雷达图上对定制产品的每一个属性选择相应的关心程度。

5.根据权利要求3所述的产品个性化定制方法，其特征在于，

所述约束条件下的目标优化函数为：

其中，θ_i表示第i个产品模板的主观评估值θ_i＝(θ_i1,θ_i2)；

表示经过归一化后的a、b之间的汉明距离运算结果，其中，a＝(a₁,a₂)；b＝(b₁,b₂)；

利用所述约束条件下的目标优化函数，求解出定制产品的所有属性的权重确定值W＝(ω_j)＝(ω₁,ω₂,...,ω_n)。

6.根据权利要求5所述的产品个性化定制方法，其特征在于，所述主观评估值θ_i为常量，且θ_i＝(0.5,0.5)。

7.根据权利要求5所述的产品个性化定制方法，其特征在于，所述权重模糊聚合值的计算方法为：

其中，表示第i个产品模板在所有属性上的权重模糊聚合值。

8.根据权利要求7所述的产品个性化定制方法，其特征在于，在计算出所述权重模糊聚合值后，采用公式计算出每一个产品模板的隶属度与非隶属度的差值，对比每一个产品模板的S值，选择最大S值所对应的产品模板作为最佳决策输出。

9.根据权利要求1至8中任一项所述的产品个性化定制方法，其特征在于，在获取到所述最佳决策所对应的产品模板后，接收用户在所述最佳决策所对应的产品模板的基础上所提出的修改，进而生成最终的定制产品。